배경

고령화 사회가 도래하면서 퇴행성 뇌 질환인 알츠하이머병(Alzheimer's Disease, AD) 환자가 급증하는 추세다. 인지 능력이 소실되기 전 질병을 포착하는 조기 진단은 환자의 삶의 질을 보존하는 데 핵심적인 구실을 한다. 현재 임상에서는 양전자방출단층촬영(Positron Emission Tomography, PET)이나 뇌척수액 검사를 진단 도구로 삼는 상황이다. 하지만 높은 검사 비용과 방사성 물질 주입에 따르는 제약, 척추 천자가 주는 통증으로 환자들의 접근성이 떨어진다. 이에 대안으로 비침습적인 자기공명영상(Magnetic Resonance Imaging, MRI) 분석이 부각됐다. 다만 육안으로 해마의 미세 위축 등 초기 경도인지장애(Mild Cognitive Impairment, MCI) 징후를 판독하기란 쉬운 일이 아니다. 기존 인공지능(Artificial Intelligence, AI) 기반 모델 역시 방대한 3차원 뇌 영상 정보를 처리하느라 엄청난 연산 자원을 소모하는 한계에 봉착했다. 진료 현장에서 즉시 활용할 수 있을 만큼 가벼우면서도 오진율을 줄인 고성능 알고리즘의 등장이 요구되는 실정이다.

핵심 발견

국제 학술지 네이처에 게재된 논문에서 연구진은 합성곱 신경망(Convolutional Neural Network, CNN)에 기반을 둔 판별 알고리즘 AlzheiNN을 소개했다. 이 모델은 해마와 측두엽 등 AD와 긴밀한 뇌 영역을 집중 추적한다. 대규모 임상 데이터셋인 알츠하이머병 신경영상 이니셔티브(Alzheimer's Disease Neuroimaging Initiative, ADNI) 영상으로 학습을 마쳤다. 분류 테스트에서 AlzheiNN은 정상 인지(Cognitively Normal, CN) 집단과 AD 환자를 96.8%의 높은 정확도로 가려낸다. 조기 발견이 까다로운 MCI 환자를 CN 집단과 구분하는 작업에서도 88.5%의 정확도가 도출됐다. 진단의 핵심 척도인 민감도 95.2%와 특이도 97.1%는 오진율을 현저히 낮추는 근거가 된다. 뇌 영상 전체를 무차별 분석하는 기존 기법과 다르게 공간 주의 집중(Spatial Attention) 메커니즘을 장착한 성과다. 연산 효율을 극대화한 덕택에 진단에 소요되는 시간은 환자 1인당 4.8초 수준에 불과하다. 다른 환경에서 촬영한 외부 데이터셋(Open Access Series of Imaging Studies, OASIS) 분석에서도 정확도 하락 폭이 2% 미만에 그쳤다. 이는 특정 장비나 촬영 조건에 구애받지 않는 안정성을 보여준다.

의미와 전망

AlzheiNN은 고가의 장비나 정밀 진단이 제한된 중소 규모 병원에서도 MRI 기기를 활용해 AD 조기 선별 검사를 대중화할 토대를 마련했다. 초기 단계 환자를 적기에 포착하여 치료 골든타임을 선제적으로 확보하자는 취지다. 다만 학계에서는 인종이나 연령층이 다른 전 세계 환자 집단에서의 정밀도 유지를 향후 검증해야 할 과제로 지목한다. 유전체 정보나 인지 행동 설문 데이터 같은 다중 모달리티(Multimodality) 정보를 결합하면 선별력은 더욱 개선될 전망이다. 의료 현장에서 인공지능 판독의 법적 책임 기준 설정과 인허가 획득도 해결해야 할 요건으로 거론된다. 연구팀은 다양한 의료기관과 협력해 실제 환자 임상 자료를 바탕으로 안전성 평가를 진행할 예정이라고 설명했다.